| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 引言 | 第14-28页 |
| 1.1 研究背景 | 第14-22页 |
| 1.1.1 多媒体推荐系统简介 | 第15-18页 |
| 1.1.2 视频推荐系统研究现状 | 第18-20页 |
| 1.1.3 视频推荐中存在的问题及挑战 | 第20-22页 |
| 1.2 问题提出 | 第22-25页 |
| 1.2.1 基于多模态内容的多视角视频推荐中存在的问题 | 第23-24页 |
| 1.2.2 本文的解决策略 | 第24-25页 |
| 1.3 本文主要研究内容及贡献 | 第25-26页 |
| 1.4 论文结构 | 第26-28页 |
| 第2章 相关理论与技术 | 第28-44页 |
| 2.1 推荐系统研究 | 第28-34页 |
| 2.1.1 基于内容过滤的推荐方法 | 第29-30页 |
| 2.1.2 基于协同过滤的推荐方法 | 第30-32页 |
| 2.1.3 基于人口统计学的推荐方法 | 第32页 |
| 2.1.4 基于知识的推荐方法 | 第32页 |
| 2.1.5 基于社群的推荐方法 | 第32页 |
| 2.1.6 基于混合过滤的推荐方法 | 第32-33页 |
| 2.1.7 基于上下文的推荐方法 | 第33-34页 |
| 2.2 跨领域推荐研究 | 第34-35页 |
| 2.3 视频推荐研究 | 第35-36页 |
| 2.4 本文相关的领域研究现状 | 第36-42页 |
| 2.4.1 视频的表示 | 第36-37页 |
| 2.4.2 多模态融合的研究 | 第37-40页 |
| 2.4.3 度量学习 | 第40-41页 |
| 2.4.4 视频摘要 | 第41-42页 |
| 2.5 本章小结 | 第42-44页 |
| 第3章 基于多模态中间语义的特征提取 及度量学习 | 第44-64页 |
| 3.1 问题的提出 | 第44-46页 |
| 3.2 相关工作 | 第46-47页 |
| 3.2.1 多媒体表示 | 第46页 |
| 3.2.2 视频标注 | 第46-47页 |
| 3.2.3 度量学习 | 第47页 |
| 3.3 特征提取及表示 | 第47-52页 |
| 3.3.1 文本的特征提取与表示 | 第47-48页 |
| 3.3.2 音频的特征提取与表示 | 第48-50页 |
| 3.3.3 图像的特征提取与表示 | 第50-51页 |
| 3.3.4 视频的特征提取与表示 | 第51-52页 |
| 3.4 符号表示及问题定义 | 第52-54页 |
| 3.4.1 多模态概念定义 | 第53页 |
| 3.4.2 基于多模态概念的视频相似性度量 | 第53-54页 |
| 3.4.3 问题定义 | 第54页 |
| 3.5 基于中间语义的特征融合及度量学习 | 第54-58页 |
| 3.5.1 中间语义学习 | 第55-56页 |
| 3.5.2 基于中间语义的度量学习 | 第56-58页 |
| 3.6 实验测试与分析 | 第58-63页 |
| 3.6.1 实验数据 | 第58-59页 |
| 3.6.2 实验设置 | 第59-60页 |
| 3.6.3 对比方法 | 第60-61页 |
| 3.6.4 实验结果 | 第61-63页 |
| 3.7 本章小结 | 第63-64页 |
| 第4章 基于半监督增强的视频推荐 | 第64-80页 |
| 4.1 问题的提出 | 第64-65页 |
| 4.2 相关工作 | 第65-67页 |
| 4.3. 问题定义及符号表示 | 第67-72页 |
| 4.3.1 问题定义 | 第67-68页 |
| 4.3.2 视频的多模态表示 | 第68-71页 |
| 4.3.3 单模态内特征相似性度量 | 第71-72页 |
| 4.4 基于多模态的半监督增强视频推荐 | 第72-75页 |
| 4.4.1 单模态评分分配 | 第72页 |
| 4.4.2 单模态推荐 | 第72-73页 |
| 4.4.3 半监督增强 | 第73-74页 |
| 4.4.4 多模态推荐 | 第74-75页 |
| 4.5 实验测试与分析 | 第75-79页 |
| 4.5.1 数据集 | 第75-76页 |
| 4.5.2 实验结果 | 第76-79页 |
| 4.6 本章小结 | 第79-80页 |
| 第5章 基于运动序列的视频摘要推荐 | 第80-96页 |
| 5.1 问题的提出 | 第80-81页 |
| 5.2 相关工作 | 第81-82页 |
| 5.3 问题定义及模型构建 | 第82-84页 |
| 5.3.1 IE-RoleNet定义及IE-RoleNet序列 | 第82-83页 |
| 5.3.2 问题定义 | 第83-84页 |
| 5.4 视频语义内容分析 | 第84-86页 |
| 5.4.1 视频结构分析 | 第84页 |
| 5.4.2 人物识别及跟踪 | 第84-85页 |
| 5.4.3 基于交互原子的关系分析 | 第85-86页 |
| 5.4.4 说话者的情感检测 | 第86页 |
| 5.5 基于运动序列的视频摘要推荐 | 第86-90页 |
| 5.5.1 子序列挖掘 | 第86-88页 |
| 5.5.2 基于结构的内容可视化 | 第88-89页 |
| 5.5.3 人物为中心的内容可视化 | 第89-90页 |
| 5.6 实验测试与分析 | 第90-94页 |
| 5.6.1 信息检索标准 | 第91-92页 |
| 5.6.2 用户体验 | 第92-94页 |
| 5.7 本章小结 | 第94-96页 |
| 第6章 基于视频特征关联性的跨模态推荐 | 第96-112页 |
| 6.1 问题的提出 | 第96-97页 |
| 6.2 相关工作 | 第97-100页 |
| 6.2.1 跨模态推荐 | 第97-98页 |
| 6.2.2 跨模态检索 | 第98-99页 |
| 6.2.3 多模态深度学习 | 第99-100页 |
| 6.3 符号定义及模型描述 | 第100-101页 |
| 6.3.1 符号定义及表示 | 第100-101页 |
| 6.3.2 模型描述 | 第101页 |
| 6.4 基于多模态深度学习的跨模态推荐 | 第101-106页 |
| 6.4.1 多模态深度学习 | 第101-105页 |
| 6.4.2 基于多模态共享特征的跨模态推荐 | 第105-106页 |
| 6.5 实验测试与分析 | 第106-110页 |
| 6.5.1 实验数据及设置 | 第107页 |
| 6.5.2 评价标准 | 第107-108页 |
| 6.5.3 对比方法 | 第108页 |
| 6.5.4 实验结果 | 第108-110页 |
| 6.6 本章小结 | 第110-112页 |
| 第7章 结论 | 第112-116页 |
| 7.1 论文工作总结 | 第112-113页 |
| 7.2 未来的工作和展望 | 第113-116页 |
| 参考文献 | 第116-136页 |
| 致谢 | 第136-138页 |
| 攻读博士学位期间发表的论文 | 第138-140页 |
| 攻博期间参与的科研项目 | 第140页 |